پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,962,228 |
| تعداد دریافت فایل اصل مقاله | 89,635,514 |
مدل‌سازی تغییرات کاربری اراضی سواحل استان مازندران با استفاده از LCM در محیط GIS | ||
| محیط شناسی | ||
| مقاله 10، دوره 38، شماره 4، اسفند 1391، صفحه 109-124 اصل مقاله (604.34 K) | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2013.29867 | ||
| نویسندگان | ||
| مهدی غلامعلی فرد1؛ شریف جورابیان شوشتری2؛ سید حمزه حسینی کهنوج3؛ محسن میرزایی4 | ||
| 1دانشجوی دکترا و بورسیه هیأت علمی گروه محیط زیست، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس | ||
| 2کارشناس ارشد محیط زیست، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس | ||
| 3کارشناس ارشد مرتع‌داری، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس | ||
| 4دانشجوی کارشناسی ارشد محیط زیست،دانشکدة منابع طبیعی، دانشگاه تربیت مدرس | ||
| چکیده | ||
| استان مازندران به دلیل واقع شدن در خط ساحلی دریای خزر و دارا بودن شرایط منحصر به فرد همواره در معرض توسعه و تغییرات بوده است. با استفاده از سامانة اطلاعات جغرافیایی و سنجش از دور می‌توان پایش و مدل‌سازی تغییرات کاربری اراضی را به‌منظور مدیریت این استان حساس انجام داد. بنابراین این مطالعه با هدف مدل‌سازی تغییرات کاربری اراضی مناطق ساحلی استان مازندران با استفاده از LCM انجام شد. آشکارسازی تغییرات کاربری اراضی با استفاده از تصاویر ماهواره Landsat متعلق به سالهای 1367، 1379، 1385 و 1390 انجام شد. مدل‌سازی نیروی انتقال با استفاده از پرسپترون چند لایة شبکة عصبی مصنوعی و 8 متغیر انجام پذیرفت. تخصیص تغییر به هر کاربری با استفاده از زنجیره مارکف محاسبه شد. سپس با استفاده از مدل پیش‌بینی سخت و دورة واسنجی 1379 تا 1385 مدل‌سازی برای سال 1390 صورت گرفت و برای ارزیابی صحت با نقشه واقعیت زمینی سال 1390 مورد مقایسه قرار گرفت. در پایان نیز با استفاده از دوره واسنجی 1385 تا 1390 پوشش سرزمین سال 1395 پیش‌بینی شد. نتایج نشان داد در کل دورة مورد مطالعه، 33487 هکتار از وسعت جنگل کاسته و به ترتیب 21367 و 13155 هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است. نتایج مدل‌سازی نیروی انتقال با استفاده از شبکه عصبی مصنوعی در اکثر زیر مدل‌ها صحت بالایی را نشان داد. خطای کل در مدل‌سازی برای سال 1390، 84/12% به‌دست آمد که نشان‌دهنده انطباق زیاد تصویر پیش‌بینی شده مدل با تصویر واقعیت زمینی و قابل قبول بودن مدل است. نتایج مدل‌سازی برای سال 1395 نشان داد، که مساحت کاربری جنگل و اراضی باز در این سال نسبت به 1390 کاهش و کاربری کشاورزی و مسکونی افزایش خواهند یافت. | ||
| کلیدواژه‌ها | ||
| سواحل استان مازندران؛ شبکة عصبی مصنوعی؛ مدل‌سازی تغییرات کاربری اراضی | ||
| عنوان مقاله [English] | ||
| Land Cover Change Modeling of Coastal Areas of Mazandaran Province Using LCM in a GIS Environment | ||
| نویسندگان [English] | ||
| Mehdi Gholamalifard1؛ Sharif Joorabian Shooshtari2؛ Sayed Hamzeh Hosseini Kahnuj3؛ Mohsen Mirzaei4 | ||
| چکیده [English] | ||
| Always Mazandaran province had been exposed to development and changes because of location in coastline of the Caspian Sea and having unique conditions. GIS and remote sensing can be used to monitor in order to manage this sensitive province. Then, this study is trying to detect land cover changes in coastal areas of mazandaran province using LCM. Land cover changes detection have done using Landsat satellite images belonging to the years 1988, 2001, 2006, and 2010. Modeling the transition potential was performed by using multi-layer perceptron artificial neural network and 8 variables. Then modeling was done for 2010 by using the hard predict model and 2001-2006 calibration period and in order to determine accuracy of evaluate it was compared with ground truth map in 2010 year. Finally, land cover in 2016 was predicted by using the 2006-2010 calibration periods. The results showed that the total period of study 33487 ha of forest area has declined. And 21367 and 13155 ha has been added to the extent of agricultural and residential lands, respectively. More changes forest related to conversion to agriculture (30424 ha) and then converted to residential (1265 ha). In most of sub-models, the results of potential modeling of using artificial neural networks demonstrated high accuracy (52-94 percent). The total error in the modeling was obtained 12.84% for 2010, which this reflects high compliance in predicted image by model with the ground truth image. Modeling results for 2016 showed that, area of forest and open land will be lower compared to the 2010 (9988 and 429ha, respectively) and agricultural and residential land increased (respectively 7607 and 2810 hectares). | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Network, Coastal Areas of Mazandaran Province, land cover changes modeling, LCM | ||
|
آمار تعداد مشاهده مقاله: 4,680 تعداد دریافت فایل اصل مقاله: 3,388 |
||